话说最后吐槽一句：你都把文件整个读到内存里面了还分进程个屁啊，统计奇数和偶数明明是 O(n) 的算法，你读取文件也是 O(n) 的操作，干嘛不一个进程直接边读边统计，还要 readlines 读到内存里面做啥。

如果你想要每个进程分别读取部分数据（一开始我看你的题目就是这么猜想的，所以直接回答了一楼），那就会遇到机械硬盘的瓶颈，还是没有意义。

所以结论就是，你这例子根本什么意义都没有，就算进程越多越慢也不能说明任何问题。

。。。抱歉没看你的程序就回复了。你的程序的问题不在于读写，大概在于进程间数据的拷贝。你的 data_train 在 pool 建立之后才读取的，目测数据要拷贝到子进程里面。

如果是 *nix ，你可以试试把读取数据放到 pool 创建之前，也许有效。实在不行你用 os.fork 。

机械硬盘随机读取需要寻道，速度远低于顺序读取。所以你进程分得越多越慢。

话说现在的程序员都不知道硬盘 IO 是大部分程序的瓶颈了吗？

100M 这个还需要问大神…… 老老实实地边读边写不就行了，时间都在 IO 上不在运算上， Python 绰绰有余。

哦对了，最好是读写的两个文件在两块硬盘上，不然就很慢了。

@glogo g++ 应该是不会自动调用 autoconf 的。但是 cmake 就不知道了。

我映像中的 cmake 一般流程是根据不同平台产生不同的编译脚本。比如对 *nix 产生一个 Makefile ，对 Visual C++ 产生一个 .sln 等等。然后你（手工地）再用对应平台的工具来进行编译。

所以一个典型的 cmake 流程：

mkdir build && cd build && cmake .. && make

同时， cmake 是很灵活的，书写 cmake 脚本的人可以在产生 Makefile 的阶段中做任何事情。我不知道你的 cmake 脚本有没有处理 .h.in 里面的特殊标记。

@glogo 在 make 之前运行一下 autoconf ，然后工具链会读取 gflags_declare.h.in ，产生一个 gflags_declare.h 。

理由？很简单，不同平台上面需要不同的 define 。另外一点是为了支持 feature 的精细开关，用以禁用一部分功能，减小编译出来的二进制大小和依赖库数量。

买个上千的蓝牙头戴式，想坏也难。 <-- 我猜你的都是耳塞式，线和耳机连接处坏掉？

用得舒心就是好，哪有什么大材小用的。既然你家的两位不用网银，给个 MBA 不是挺好？轻巧便携，开盖即用，不用关机，不用 360 升级，还不用杀毒。

我把 Macbook Air 给了母上大人（ Safari 大法好

@kimchan 。。。四楼的答案当然是对的，因为 return foundPos 在 for 循环体外。

话说你们没人关注一下我的代码吗？它是对的，且只遍历了一遍。

我是来搞笑的：

findpos = (lambda items, s1, s2: (lambda f: ([i for (l, i) in sorted((x for x in (f(i, v) for (i, v) in enumerate(items)) if x))] + [-1])[0])(lambda i, v: (0, i) if v == s1 else ((1, i) if v == s2 else None)))

print(findpos(['a', 'b', 'ab', 'ab'], 'ab', 'a'))
print(findpos(['a', 'a', 'b'], 'ab', 'a'))
print(findpos(['b'], 'ab', 'a'))

@laxenade @rogerchen 首先对于“民间科学家”的不当言论表示歉意。但是我仍然有话反驳。

先列出结论：我认为就你们举的这个例子，无论是 O(n) 还是 O(n log2 n) 都是逻辑自洽的，其中 O(n log2 n) 的论述见我之前的回复。当令 k = log2(n)，可得 O(2^k * k)。然而在这里如果我想要把 k 代换成 n 给出 O(2^n * n) 的复杂度就是不恰当的，因为 n 在上下文是有明确含义的，不能把一个符号随意变换含义。

所以对于 O(2^n) 的这个结论，如果按照 n 表示 k 的角度去看，就少了一个 *k 的因子；如果不是这样，那就显然更加离谱了。
- - - -

@rogerchen 对于你说的复杂度分析不应该考虑工程问题，这显然不合适。我们目前的算法都是为了电子计算机设计的，因此所有算法分析和时间复杂度估计都是在电子计算机的前提下成立的；这已经考虑了工程问题。

@laxenade 你说“限制 32bit 的话，那就都变成 O(1)了”，只是大 O 。就算是考虑 32 位整数，在这个例子里面，当限定 n 为 32 位整数， O(15 n) （见我先前的回复）依旧是比 O(15 * 2^32) 更紧的界。同时，算法的复杂度不会小于 Ω(n)。因此 Ω(n) 和 O(15 n) 卡住了这个算法在 32 位整数下的界，因此 Θ(n) 是紧界。

当然如果按照教科书的定义，一切 n < ∞ 的论述都是没有意义的。可是啊，读书不能死扣概念，要领会它的精神。复杂度分析是为了在没有测试算法的前提下估计它的运行时间，当我们有了 32 位整数的大前提下，考虑更细致的界依旧是有意义的，因为我们可以通过计算来估计两个不同算法的优劣。
- - - -

@rogerchen @laxenade 另外还有第二点反驳。你们可能不赞同我说的，“可以定义 i++, sum++, i<n 三个操作为常数时间”。然而你们是出于电子计算机的前提才这么反驳我的。我们谁也不知道将来的量子计算机，乃至什么其他种类的计算机究竟能够有多快，因此我假设这三个操作是 O(1) 是公理，完全不违背理论性。

如果接受这三个假设，那么你们的算法复杂度是 O(n) 是没有错误的结论。当然如果不接受，认为这三个操作的复杂度是 O(log2 n)，那么推出来的结论就是 O(n log2 n)。

当我们考虑 32 位定长整数的电子计算机的时候，也可以认为上述三个操作为 O(1)，得出 O(n) 的结论。

@rogerchen @lxiange 你们要说的事情我知道，但是呢……

根据你们的伪代码定义，令 k=log2(n)，那么 n++, i++, i<n 三个运算都 <= O(k)。一共进行了 n 次，那么 <= O(3kn) = O(3k*2^k) = O(3n log n)。

发现了没有，你们的第一个问题是混淆了 n 和 k 。这是我说你们民间科学家的第一个原因。

第二个原因，你们混淆了理论性（理想电脑）和工程性的边界。如果按照理论性来探讨，我们可以随时随地把某些操作定义为 O(1)。再说一遍， O(1) 的操作是定义出来的，我可以定义 i++, n++ 和 i<n 三个运算为 O(1)，这不违反理论。所以在理论性的前提下，这个函数为 O(n)。

如果按照工程性来考虑，这个世界上没有无线位宽的电脑。所以位宽 k 是常数。按照你们的代码风格为 C 来考虑，这个位宽可以定义为 k=32 。所以工程性为前提，算法复杂度为 O(3kn) = O(15n)。

混淆了理论性和工程性的边界，所以说你们是民间科学家。
- - - -

别拿什么考研答案来说事，我还看不上考研这个层次的题目。

一个民间计算机科学家的钓鱼贴你们也回得这么起劲干嘛。

我喜欢 Ctrl+Space

非嵌入式领域，人工成本比硬件成本高得多。

apt-get install fcitx-*